Più un’intelligenza artificiale “ragiona”, più dovrebbe essere accurata. È un’aspettativa diffusa, alimentata dai risultati sempre più brillanti ottenuti da questi sistemi. I modelli linguistici di ultima generazione, noti come reasoning models, non si limitano più a prevedere la parola successiva con un mero calcolo probabilistico, ma simulano un vero e proprio processo di pensiero articolato prima di fornire una risposta. Modelli come o3-mini di OpenAI e DeepSeek-R1 promettono di rivoluzionare la pratica medica, assistendo gli specialisti nella diagnosi e nell’interpretazione di casi clinici. E però, una capacità di ragionamento più complessa non equivale automaticamente alla riduzione del bias di genere in medicina. E quando si tratta di rappresentare in modo equo pazienti maschi e femmine, o di origini diverse, questo salto di qualità sembra ancora molto lontano. Lo racconta uno studio dell’Università di Flinders, in Australia, pubblicato sul Journal of Medical Internet Research, che ha messo alla prova due tra i più avanzati modelli linguistici di “ragionamento” oggi disponibili: o3-mini di OpenAI e DeepSeek-R1. A dimostrazione che se non cambia la medicina, anche gli algoritmi continueranno a perpetuare gli stereotipi presenti nella letteratura scientifica.